首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

低照度图像增强与去噪研究

摘要第5-6页
Abstract第6页
第一章 绪论第9-15页
    1.1 课题研究背景和意义第9-12页
        1.1.1 课题研究的背景第9-11页
        1.1.2 课题研究的意义第11-12页
    1.2 课题研究现状和存在的问题第12-14页
    1.3 论文主要工作及结构安排第14-15页
第二章 图像增强与去噪的传统算法第15-29页
    2.1 图像增强与去噪理论基础第15页
    2.2 传统图像增强算法第15-22页
        2.2.1 灰度变换算法第15-17页
        2.2.2 直方图均衡算法第17-19页
        2.2.3 Retinex图像增强算法第19-20页
        2.2.4 色彩增强算法第20-22页
    2.3 传统图像去噪算法第22-28页
        2.3.1 常用平滑滤波器去噪算法第22-25页
        2.3.2 频域滤波器去噪算法第25-27页
        2.3.3 线性滤波器去噪算法第27-28页
    2.4 本章小结第28-29页
第三章 基于大气散射模型的低照度图像增强与去噪算法第29-38页
    3.1 大气散射模型第29-30页
    3.2 融合梯度信息的改进引导滤波第30-31页
    3.3 低照度图像同时增强与去噪算法第31-33页
    3.4 低照度图像颜色复原第33-34页
    3.5 实验结果与分析第34-37页
        3.5.1 主观评价第35页
        3.5.2 客观评价第35-37页
    3.6 本章小结第37-38页
第五章 改进自适应双平台直方图均衡的低照度图像増强与去噪算法第38-48页
    4.1 传统平台直方图均衡算法第38页
    4.2 双平台直方图均衡算法第38-39页
    4.3 自适应中值滤波去噪算法第39-42页
    4.4 改进自适应双平台直方图均衡的低照度图像增强与去噪算法第42-45页
        4.4.1 自适应平台值第43页
        4.4.2 改进自适应双平台直方图均衡化算法第43页
        4.4.3 自适应灰度映射第43-44页
        4.4.4 低照度图像的去噪第44-45页
    4.5 实验结果与分析第45-47页
    4.6 本章小结第47-48页
第六章 总结和展望第48-49页
参考文献第49-53页
攻读硕士期间发表的论文和参与的项目第53-54页
致谢第54-55页

论文共55页,点击 下载论文
上一篇:博客媒体分析系统设计与实现
下一篇:面向移动学习的土家音乐长廊导览系统研究